字节跳动
AI加速软件资深研发工程师-芯片研发
AI加速软件资深研发工程师-芯片研发
发布于 2 天前普通员工/个人贡献者
深圳市
高级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
高性能计算
CUDA
RDMA
量化
AI芯片
分布式训练
推理
大模型
蒸馏
AI 估算 · 50k–80k
字节跳动资深AI芯片软件岗，技术壁垒高，深圳一线薪资水平，月薪中位数约65K。
职位详情
关于这个职位
该职位负责大模型在自研AI芯片上的性能评估与软硬件协同优化，包括从算子优化到分布式训练/推理全链路的调优
您将参与芯片软件栈的架构演进，主导关键技术攻关，并推动跨团队协作
适合对AI芯片体系结构有深入理解、擅长高性能计算与系统优化的资深工程师
最低要求
计算机、电子工程相关专业，硕士学位及以上优先，4年以上AI编译器、算子或高性能通信相关研发经验
深入理解AI加速硬件体系结构与并行计算，精通多层级存储、片上NOC与片间互联原理，能从体系结构视角驱动软硬件协同设计
精通C、C++与Python，具备扎实的算法功底与大型软件系统的架构设计、性能优化能力
深入掌握主流深度学习框架的底层计算与运行时机制，对常见算子的底层实现有深刻理解
具备技术领导力与较强自驱力，能独立牵引复杂技术攻关，沟通协作与问题分析解决能力优秀
工作职责
负责大模型在自研AI芯片上的性能评估与软硬件协同优化，主导方案设计、计算、通信全链路适配和调优
对接算法，负责字节跳动大模型例如豆包、Seedance等在自研硬件不同分布式方案设计性能评估、roofline建模和集群成本分析等，协助业务落地的软硬件协同设计
负责高性能计算算子与集合通信算子的设计、实现与优化，主导大模型分布式训练/推理场景下计算与通信的融合及重叠优化，追求极致的端到端吞吐与性价比
负责模型量化、稀疏、蒸馏等部署方案的探索与落地，构建分布式推理系统并对推理框架做极致调优
牵引关键技术难题攻关，制定技术路线，指导并培养团队成员，推动跨团队（算法、框架、驱动、硬件、芯片验证）协同与自研软件栈的架构演进
主动探索针对硬件，创新的部署方案和软件栈方案设计
优先资格
深入理解LLM与多模态模型（如Qwen、DeepSeek等），有大模型分布式训练、推理框架的研发与调优经验，有大模型训练千卡以上集群训练落地经验
熟悉NCCL、DeepEP等集合通信库与RDMA原理，有自研集合通信库或芯片互联的研发与优化经验
熟悉GPU或主流AI DSA体系结构与CUDA等异构编程模型，有算子优化、图编译优化或硬件评测的实战经验
有AI加速硬件量化工具的开发经验，熟悉模型量化、稀疏、剪枝、蒸馏等压缩技术的落地
熟悉AI服务器与集群架构，对多层级卡间互联Topo有实践经验，有大规模分布式部署落地经历
AI 洞察
优缺点分析
优点
- 参与前沿AI芯片与自研软件栈开发，技术含金量高
- 字节跳动平台资源丰富，大模型落地场景多，成长空间大
- 薪资与福利具有竞争力，股票期权等长期激励
- 技术栈深，需要持续学习最新AI芯片与分布式系统知识
- 对系统级优化能力要求极高，调试和性能调优可能耗时
缺点 / 挑战
- 工作强度较高，需要承担复杂技术攻关与跨团队协调压力
- 适合有4年以上AI编译器、高性能计算或芯片软件经验的资深工程师，热爱技术挑战，追求极致的系统性能
角色解读
- 技术专家方向：成为AI芯片软件栈架构师或首席工程师
- 管理方向：晋升为团队负责人或技术总监，带领更大团队
- 跨领域发展：转向AI算法、硬件设计或系统架构等方向
- 负责大模型在自研AI芯片上的性能评估与软硬件协同优化，包括算子设计、通信优化、量化蒸馏等
- 主导分布式训练/推理场景下的计算与通信融合，追求端到端吞吐与性价比
- 牵引关键技术攻关，制定技术路线，指导团队并推动跨部门协作
- 精通C/C++和Python，具备扎实的算法与系统架构能力
- 深入理解AI加速硬件体系结构与并行计算，熟悉多层级存储和片间互联
- 掌握主流深度学习框架底层机制，有高性能计算或编译器经验
申请策略
- 关注字节跳动自研芯片进展，面试中展现对软硬件协同设计的理解
- 准备一个完整的技术攻关案例，展示问题分析与解决能力
- 突出AI芯片、编译器或高性能通信方面的项目经验，具体说明性能提升数据
- 强调大模型分布式训练/推理的落地案例，尤其是千卡集群经验
- 展示C++/Python系统架构设计能力，以及技术领导力
- 补强集合通信库（如NCCL）和RDMA知识，有自研经验更佳
- 深入学习模型量化、稀疏、蒸馏等部署技术
- 熟悉CUDA编程与GPU体系结构，积累算子优化经验
面试指南
- 使用STAR法则：背景、任务、行动、结果，突出量化指标
- 从体系结构角度分析：先解释原理，再给出具体优化策略，最后展示效果
- 结合字节跳动业务：提及豆包、Seedance等大模型场景，体现业务理解
- 请描述一个你主导的AI芯片软件性能优化项目，具体解决了什么关键问题？
- 大模型分布式训练中，如何设计通信拓扑与计算重叠以提升效率？
- 你对AI芯片的存储层次和片间互联如何理解？在软硬件协同设计中如何平衡？
- 介绍模型量化的常用方法，在芯片部署中如何选择量化方案？
- 如何评估一个AI芯片的compute roof和memory roof？
匹配度报告
71
综合匹配度
字节跳动深圳自研AI芯片软件岗，技术前沿薪资高，但工作强度大且需现场办公。
适合人群
适合追求技术前沿与高薪资、能接受高强度工作的资深工程师。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利85
成长发展90
工作生活40
使命价值70
薪资福利匹配
85较高
字节跳动薪资待遇行业领先，资深岗位薪酬丰厚，但JD未明确薪资细节。
薪资信号未披露（AI估算：50K-80K/月）
成长发展匹配
90较高
该职位专注于前沿AI芯片与大模型，技术前沿性强，成长路径清晰，且JD提及指导团队，具备发展空间。
技术前沿前沿/新兴技术
技术栈大模型、AI芯片、软硬件协同、分布式训练、量化、稀疏、蒸馏、RDMA、CUDA
成长机会指导并培养团队成员
业务类型ambiguous
工作生活匹配
40较低
深圳现场办公，字节跳动加班文化普遍，JD未提及弹性工作或WLB。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
70中等
工作推动自研AI芯片落地大模型，具有技术创新价值，但社会影响力中性。
行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新（行业首创）
Watch Jobs